python - 在 Python 中使用正则表达式进行句子分割

Question

我正在编写一个脚本，用 Python 将文本拆分成句子。但是，我不擅长编写更复杂的正则表达式。

有 5 条规则，我希望根据这些规则拆分句子。我想拆分句子，如果他们：

* end with "!"  or
* end with "?"  or
* end with "..."  or
* end with "." and the full stop is not followed by a number  or
* end with "." and the full stop is followed by a whitespace

Python 的正则表达式是什么？

Answer 1

您可以从字面上将您的五个要点翻译成正则表达式：

!|\?|\.{3}|\.\D|\.\s

请注意，我只是创建了一个由五个备选方案组成的备选方案，每个备选方案代表您的一个要点：

• !
• \?
• \.{3}
• \.\D
• \.\s

由于点 ( .) 和问号 ( ?) 是正则表达式模式中的特殊字符，因此它们需要通过反斜杠 ( \) 进行转义才能被视为文字。竖线 ( |) 是两个选项之间的分隔符。

使用上面的正则表达式，您可以使用re.split.